摘要： 当AI能完成90%的研究流程，研究者的核心价值何在？历史的经验告诉我们，技术变革的真正威力不在于替代人力，而在于重塑流程。

一场关于未来的午餐

前些天，我与一位研究学者共进午餐。原本我想请教他对伊朗局势的看法，他却神游天外，喃喃道：“这些都无关紧要。AI对就业、社会和经济的冲击，才是值得琢磨的事。”

在他看来，地缘政治无非是“继续恶化”或“偃旗息鼓”两种结局，而AI带来的变量却是结构性的。

这引出了那个终极问题：如果我们这些做研究的都要下岗了，谁来养我们？国家兜底吗？

当下的困境与长期的视角

坦率地说，问他也是白问。对于这种跨度长达十年、影响深远的变局，当下是永远看不清的。

我们只能采用“从未来看现在”的倒推法：先设想几年后世界会变成什么模样，再反推它是如何一步步走过去的。

但在这种迷雾中，有一点已然清晰：当下的研究流程正在发生质变。

流程的坍缩：从五步到三步

过去的研究流程是这样的：
1.  发现市场偏差，构思问题；
2.  团队执行：搜集数据、建模、校正；
3.  数据分析与证伪；
4.  成文发表；
5.  路演讲观点。

而现在（理论上）可以简化为：
1.  发现市场偏差，构思问题；
2.  AI介入：完成数据、建模、校正，甚至与你Battle、挑战漏洞，直至成文；
3.  你去路演讲观点。

五步变成了三步。 中间的繁琐劳动被压缩成了你与AI的对话。

这在金融行业已是现实。高盛的内部AI助手GS AI，能瞬间回答诸如“霍尔木兹海峡关闭对投资组合的影响”这类曾需数日分析的问题。

幻觉与真相：那“最后10%”的门槛

随之而来的乐观幻想是：既然大家都能用AI做分析，信息不对称的优势是不是没了？赚钱是不是平权了？

答案很可能是否定的。

即使在AI时代，金融行业依然存在难以逾越的门槛：
•   昂贵的数据：专有实时数据流的访问权。

•   复杂性处理：跨资产类别的相关性分析、极端复杂的衍生品与结构化产品定价。

•   监管与合规：非标准化的法律边界。

AI让“90%的标准分析”变得廉价甚至免费，但也让那“最后10%”的独特洞见和复杂执行变得更值钱。所以，想靠AI实现“财富平权”，恐怕要打消这个念头。

职业的重构：研究者还存在吗？

这才是核心问题：如果AI能完成90%的过程，研究这个职业还会存在吗？

新的研究者只需具备三种能力：
1.  提出好问题；
2.  将想法拆解为Agent可执行的指令；
3.  检查并判断输出的真伪。

但这就引出了一个更深层的悖论：一个能发现好问题、能解释清楚、又能判断对错的人，为什么还需要“研究”这个过程？为什么不能从“想法”直接到“执行”？

就像AI Coding工具正在消灭“产品经理”这个中转站一样，“投研”与“投资”这两个分离多年的角色，或许即将合并。

这也解释了为什么卖研报的人往往卖的是“不赚钱的信息”——真正的Alpha策略，谁舍得拿出来卖呢？

历史的隐喻：ATM、iPhone与电力

每当谈及技术替代就业，总会有人搬出那个老掉牙的励志故事：ATM普及后，银行柜员不减反增。

这是只讲了一半的故事。

•   上半场（ATM时代）：ATM降低了网点成本，银行开了更多网点，柜员数量上升。这是杰文斯效应——效率提升反而增加了总需求。

•   下半场（iPhone时代）：2007年iPhone发布，手机银行App兴起。客户不再去网点，网点数量暴跌，美国银行柜员人数从2010年起断崖式下跌。

ATM只是在旧世界里做优化，而iPhone创造了一个“柜员”不复存在的新世界。

再看电力。1880年代电力就已商业化，但美国工厂生产率直到1920年代才爆发。中间隔了40年。因为早期工厂只是把电动机塞进蒸汽机的位置，驱动同样的皮带系统。直到工厂围绕电力的特性重构了流程——单层厂房、独立电机、可重组流水线——生产力才真正起飞。

结语：我们正处于ATM与iPhone之间

AI目前的大部分应用，还只是在做“ATM”的工作——把聪明工具塞进旧流程里。

只要工作流程还是围绕人类设计的，人就暂时有用。但历史的规律昭示着：真正改变世界的不是技术本身，而是围绕技术建立的新流程、新组织、新范式。

蒸汽机催生了工厂制度，电力重塑了生产线，计算机孕育了互联网。这些新范式都是人类自己构建的，只是需要时间。

我们现在不过身处ATM和iPhone之间的某个位置。那些正在热火朝天进行“自我替代”的人，既是旧时代的余晖，也是新时代的祭品。